ExpShield：保护网络文本免受未授权爬取与大语言模型滥用

随着大型语言模型日益记忆网络爬取的训练内容，它们风险暴露版权或私人信息。现有保护措施需要爬虫或模型开发者的合规，根本上限制了其有效性。我们提出ExpShield，一种主动自我卫护的方案，通过不可见扰动在保持可读性的同时缓解记忆，同时我们将其形式化为受约束的优化问题。由于缺乏自然文本的单个层级风险度量，我们首先提出实例滥用（instance exploitation）度量标准，即衡量对特定文本进行训练后，从候选文本集合中猜测该文本概率的增量——零表示完美防御。由于缺乏足够知识的防御者无法直接求解该问题，因此我们开发两种有效的代理解决方案：单级优化和合成扰动。为增强防御，我们揭示并验证了记忆触发器假设，这有助于识别记忆的关键词。基于这一洞见，我们设计了针对性的扰动：(i) 中和固有触发词以减少记忆；(ii) 引入人工触发词以误导模型记忆。实验在攻击、模型规模和语言与视觉到语言建模任务中验证了该防御。即使存在隐私后门，成员推断攻击（MIA）的AUC从0.95降至0.55，且实例滥用 approaches 到零。这表明与理想的无滥用场景相比，尽管文本实例包含在训练数据中，其暴露风险几乎保持不变。